今天給大俠帶來基于 FPGA 的圖像邊緣檢測設計，話不多說，上貨。

設計流程如下：mif文件的制作→調用 ip 核生成rom以及仿真注意問題→灰度處理→均值濾波：重點是3*3 像素陣列的生成→sobel邊緣檢測→圖片的顯示→結果展示。

一、mif文件的制作

受資源限制，將圖片像素定為 160 * 120，將圖片數據制成 mif 文件，對 rom ip 核進行初始化。mif文件的制作方法網上有好多辦法，因此就不再敘述了，重點說mif文件的格式。 mif文件的格式為：

WIDTH=16 ;    //數據位寬
DEPTH=19200 ;   // rom 深度即圖片像素點的個數
ADDRESS_RADIX=UNS;//地址數據格式
DATA_RADIX=BIN ;   //數據格式
CONTENT
BEGIN
0:1010110011010000;//地址：數據；注意格式要和上面定義的保持統一
1:1010110011010000;
2:1010010010110000;
......
19198:1110011011111001;
19199:1110011011011000;
END;

二、ip 核生成 rom 及仿真時需要注意的問題

ip核生成 rom

1、Tools -> MegaWizard Plug-In Manager

2、Create a new custom megafuction variation

3、Memory Compier -> ROM -> Verilog HDL -> 自定義名稱

仿真注意問題:

1、仿真時要注意是否有 altera_mf 庫文件,否則會報錯。 Module 'altsyncram' is not define 解決方案： (1).下載 altera_mf 庫文件； (2).仿真時將 altera_mf.v 與其他文件一起加入到 project 中。 2、要將 .mif 文件放在仿真工程目錄下，即與 .mpf 文件在一起，否則將不會有數據輸出。 三、灰度處理 任何顏色都由紅、綠、藍三原色組成，假如原來某點的顏色為( R,G,B )那么，我們可以通過下面幾種方法，將其轉換為灰度：

浮點算法：Gray=0.299R+0.587G+0.114B

平均值法：Gray=(R+G+B)/3;

僅取單色（如綠色）：Gray=G；

將計算出來的Gray值同時賦值給 RGB 三個通道即RGB為(Gray,Gray,Gray)，此時顯示的就是灰度圖。通過觀察調色板就能看明了。通過觀察可知，當RGB三個通道的值相同時即為灰色，Gray的值越大，顏色越接近白色，反之越接近黑色（這是我自己的理解，不嚴謹錯誤之處請大神指正）。 這是在線調色板網址，可以進去自己研究一下。

站長工具顏色代碼查詢、RGB顏色值：

http://tool.chinaz.com/tools/selectcolor.aspx

此次采用是浮點算法來實現灰度圖的，我的圖片數據是RGB565 格式 ，難點: 如何進行浮點運算。思路：先將數據放大，然后再縮小。 例如： Gray=0.299R+0.587G+0.114B轉化為 Gray=(77R+150G+29B)>>8 即可，這里有一個技巧，若 a 為 16 位即 a [15:0],那么 a>>8 與 a [15：8]是一樣的。 核心代碼如下：

always  @(posedge clk or negedge rst_n)begin
    if(rst_n==1'b0)begin
       red_r1   <= 0 ;  
       green_r1 <= 0 ;
       blue_r1  <= 0 ;
    end
    else begin
       red_r1   <= red   * 77 ;        //放大后的值
       green_r1 <= green * 150;
       blue_r1  <= blue  * 29 ;
    end
end


always  @(posedge clk or negedge rst_n)begin
    if(rst_n==1'b0)begin
        Gray <= 0;    // 三個數之和
    end
    else begin
        Gray <= red_r1 + green_r1 + blue_r1;        
    end
end


always  @(posedge clk or negedge rst_n)begin
    if(rst_n==1'b0)begin
       post_data_in <= 0;  //輸出的灰度數據
    end
    else begin
       post_data_in <= { Gray[13:9], Gray[13:8], Gray[13:9] };//將Gray值賦值給RGB三個通道
    end
end

四、均值濾波 均值濾波的原理 做圖像處理，“把每個像素都用周圍的8個像素來做均值操作 ”， 比如：

圖通常是最能說明問題的東西， 非常明顯的， 這個3*3區域像素的顏色值分別是5,3,6,2,1,9,8,4,7那么中間的1這個像素的過濾后的值就是這些值的平均值， 也就是前面的計算方法：(5+3+6+2+1+9+8+4+7)/9=5 一目了然。那么這個均值濾波有什么用處呢？主要還是平滑圖像的用處， 有的圖像的銳度很高，用這樣的均值算法，可以把銳度降低。使得圖像看上去更加自然，下面就有幾幅圖我們可以看出一些端倪： 原圖：

平滑處理后：

這里還是可以明顯的感覺到不同的， 沒有好壞之分，就是第二幅圖片看上去更為平滑。繼續我們的問題， 那這里均值平滑是否具有去除噪聲的功能呢？我們搞來了椒鹽噪聲（就是隨機的白點，黑點）來試試手：

噪聲圖（5%）：

平滑處理之后：

首先這里的噪聲還是比較小的， 只有5%，從均值的效果來看的話， 我可以說幾乎沒有用，其實直觀的想也可以判斷， 因為這里的處理并沒有剔除這些噪聲點， 而只是微弱地降低了噪聲，所以效果可以想見的。最后的時候還是貼上一段處理的代碼：

voidmeanFilter(unsignedchar*corrupted,unsignedchar*smooth,intwidth,intheight)
{


  memcpy ( smooth, corrupted, width*height*sizeof(unsigned char) );


  for (int j=1;j

	

	

	簡單的從1...width-1來處理， 所以第一個和最后一個像素就簡單的拋掉了， 如果只是簡單的看看效果還是沒有問題的。

	如何生成 3*3 的像素陣列。可以利用 ip 核生成移位寄存器 ，方法與 ip 核生成 rom 一樣，詳情見ip 核 生成 rom操作。

	

	仿真波形如下 row_1 , row_2 , row_3 是指圖像的第一、二、三行的數據，Per_href 是行有效信號（受VGA時序的啟發，從 rom 中讀取數據時設計了行有效和場有效的控制信號，事半功倍，有了利于仿真查錯和數據的控制）。從 3 開始就出現了3*3 的像素陣列，這時候就可以求取周圍 8 個像素點的平均值，進行均值濾波。

	

	 下面這個圖表示的是FPGA 如何將矩陣數據處理成并行的像素點，可以結合下面的代碼好好理解，這也是精華所在。 正方形紅框框起來的是第一個完整的 3*3 矩陣，長方形紅框框起來的是并行的像素點，在此基礎上就可以求得平均值，進行均值濾波。 從下圖也能看到 3*3 矩陣從左往右滑動。 第一個3*3 陣列。 0 1 2  -- > p11 p12 p13 3 4 5  -- > p21 p22 p23 6 7 8  -- > p31 p32 p33

	

	核心代碼如下：

	

	
reg [5:0]p_11,p_12,p_13;  // 3 * 3 卷積核中的像素點
reg [5:0]p_21,p_22,p_23;
reg [5:0]p_31,p_32,p_33;
reg [8:0]mean_value_add1,mean_value_add2,mean_value_add3;//每一行之和


always  @(posedge clk or negedge rst_n)begin
    if(rst_n==1'b0)begin
        {p_11,p_12,p_13} <= {5'b0,5'b0,5'b0}   ;
        {p_21,p_22,p_23} <= {15'b0,15'b0,15'b0};
        {p_31,p_32,p_33} <= {15'b0,15'b0,15'b0};
    end
    else  begin
     if(per_href_ff0==1&&flag_do==1)begin
        {p_11,p_12,p_13}<={p_12,p_13,row_1};
        {p_21,p_22,p_23}<={p_22,p_23,row_2};
        {p_31,p_32,p_33}<={p_32,p_33,row_3};
     end
     else begin
         {p_11,p_12,p_13}<={5'b0,5'b0,5'b0};
         {p_21,p_22,p_23}<={5'b0,5'b0,5'b0}
         {p_31,p_32,p_33}<={5'b0,5'b0,5'b0}
     end
   end
end


always  @(posedge clk or negedge rst_n)begin
    if(rst_n==1'b0)begin
        mean_value_add1<=0;
        mean_value_add2<=0;
        mean_value_add3<=0;
    end
    else if(per_href_ff1)begin
        mean_value_add1<=p_11+p_12+p_13;
        mean_value_add2<=p_21+   0   +p_23;
        mean_value_add3<=p_31+p_32+p_33;
    end
end


wire [8:0]mean_value;//8位數之和
wire [5:0]fin_y_data; //平均數，除以8，相當于左移三位。


assign mean_value=mean_value_add1+mean_value_add2+mean_value_add3;
assign?fin_y_data=mean_value[8:3];?


	

	

	五、sobel邊緣檢測

	邊緣檢測的原理 該算子包含兩組 3x3 的矩陣，分別為橫向及縱向，將之與圖像作平面卷積，即可分別得出橫向及縱向的亮度差分近似值。A代表原始圖像的 3*3 像素陣列，Gx及Gy分別代表經橫向及縱向邊緣檢測的圖像，其公式如下:

	

	 圖像的每一個像素的橫向及縱向梯度近似值可用以下的公式結合，來計算梯度的大小。 ? 如果梯度G大于某一閥值則認為該點(x,y)為邊緣點。 用的是邊緣檢測算法。 難點： (1)掌握了 3*3 像素陣列，Gx 與 Gy 就很好計算了。 注意問題：為了避免計算過程中出現負值，所以將正負值分開單獨計算，具體見代碼) (2)G的計算需要開平方，如何進行開平方運算 Quartus ii 提供了開平方 ip 核，因此我們直接調用就好了 。

	

	代碼如下：

	

	
reg [8:0] p_x_data ,p_y_data ;  // x 和 y 的正值之和
reg [8:0] n_x_data ,n_y_data ; // x 和 y 的負值之和
reg [8:0] gx_data  ,gy_data  ; //最終結果


always  @(posedge clk or negedge rst_n)begin
    if(rst_n==1'b0)begin
       p_x_data <=0;
       n_x_data <=0;
       gx_data   <=0;
    end
    else if(per_href_ff1==1) begin 
        p_x_data <= p_13 + (p_23<<1) + p_33 ;
        n_x_data <= p_11 + (p_12<<1 )+ p_13 ;
        gx_data   <= (p_x_data >=n_x_data)? p_x_data - n_x_data : n_x_data - p_x_data ; 
    end
    else begin
         p_x_data<=0;
         n_x_data<=0;
         gx_data <=0;
    end  
end


always  @(posedge clk or negedge rst_n)begin
    if(rst_n==1'b0)begin
       p_y_data <=0;
       n_y_data <=0;
       gy_data   <=0;
    end
    else if(per_href_ff1==1) begin
        p_y_data <= p_11 + (p_12<<1) + p_13 ;
        n_y_data <= p_31 + (p_32<<1) + p_33 ;
        gy_data   <= (p_y_data >=n_y_data)? p_y_data - n_y_data : n_y_data - p_y_data ; 
    end
    else begin
        p_y_data <=0;
        n_y_data <=0;
        gy_data   <=0;
   end
end


//求平方和,調用ip核開平方
reg [16:0] gxy; // Gx 與 Gy 的平方和
always  @(posedge clk or negedge rst_n)begin
    if(rst_n==1'b0)begin
        gxy<=0;
    end
    else begin
        gxy<= gy_data* gy_data + gx_data* gx_data ;
    end
end


wire [8:0] squart_out ; 
altsquart  u1_altsquart (     //例化開平方的ip核
    .radical (gxy),
    .q       (squart_out),  //輸出的結果
    .remainder()
                       );


//與閾值進行比較
reg [15:0] post_y_data_r;
always  @(posedge clk or negedge rst_n)begin
    if(rst_n==1'b0)begin
        post_y_data_r<=16'h00;
    end
    else if(squart_out>=threshold)
         post_y_data_r<=16'h00  ;
    else
         post_y_data_r<=16'hffff  ;
???
end

	

	

	六、圖片的顯示

	本來是想用 VGA 來顯示圖片的，由于條件的限制沒能實現，最終只能將處理完的數據輸出保存在 .txt 文件中，然后借助網頁進行顯示。 難點： (1) 如何將數據流輸出保存到 .txt 文件中。 (2) 網頁的使用及注意事項。 在testbench里加入下面所示代碼即可將圖片數據保存到 .txt 文本。

	代碼如下：

	

	
     integer w_file;  
     initial
     w_file = $fopen("data_out_3.txt");   //保存數據的文件名


     always @(posedge clk or negedge rst_n)  
     begin  
      if(flag_write==1&&post_href==1)//根據自己的需求定義
        $fdisplay(w_file,"%b",post_y_data);   
end


	

	

	網頁的界面如下，將參數設置好以后就可以顯示圖片。

	下載鏈接：

	鏈接：https://pan.baidu.com/s/1pwkJHtAxVHWWijSLczH0Ng

	提取碼：e87j

	

	注意：由于此網站是量身定做的，所以只能顯示數據格式為RGB565的16位二進制的數才能正確顯示，注意不能有分號，正確格式示例如下，必須嚴格遵守。

	

	七、結果展示

	

	小結：均值濾波處理后的圖片有明顯的黑邊，產生這一現象的原因就是生成 3*3 像素矩陣和取像素值時數據有損失造成的，但是這也是可以優化的，后續我會繼續努力不斷完善。本次只是簡單對一幅圖像進行邊緣檢測，我的后續目標是實現圖片的實時處理，這又需要學習很多東西了，SDRAM、攝像頭驅動等等等，越學習越發現自己知道的實在是太少了，永遠在路上，學無止境。希望我的分享能夠幫助一些和我一樣熱愛 FPGA 圖像處理的朋友。